AI开源项目

高性价比端到端深度研究代理模型 Step-DeepResearch 是阶跃星辰推出的一款高性价比、端到端深度研究代理模型，专为开放式研究场景中的自主信息探索和专业报告生成设计，能通过动态循环的推理、行动与反思，高效完成复杂研究任务。

高保真多语言文本到语音模型 一款高保真多语言文本到语音（TTS）模型，支持实时语音克隆和多语言情感控制，能够生成自然、富有表现力的语音。

最强开源端到端语音大模型 阶跃星辰发布的Step-Audio2mini是一款开源的端到端语音大模型，能够实现语音理解、音频推理与生成的统一建模。

DeepFakeDefenders是一个用于检测和防御深度伪造（DeepFake）技术的开源工具，通过集成先进的深度学习模型来识别图像中的伪造痕迹。

AI视频生成速度暴增200倍，消费级显卡也能秒出大片！ TurboDiffusion是清华大学TSAIL实验室联合生数科技开源的高效AI视频扩散模型框架，可将视频生成速度提升100至200倍，同时保持高质量输出。

你的私人健康数据科学家 Google 推出的 MedGemma 是目前最强大的开源医疗 AI 模型之一，专为医疗健康领域的 AI 开发而设计。

Moonshine是一个为边缘设备提供快速且准确的自动语音识别（ASR）的工具。

Qwen2-VL是一个基于自然语言处理（NLP）技术的语音到文本（Voice-to-Text）和文本到语音（Text-to-Speech, TTS）转换工具，旨在提供高质量的语音转换服务。

一款基于Whisper模型的优化版语音识别工具，通过多解码头技术显著提升处理速度

阶跃开源的130B语音模型 一款强大的开源语音交互模型，能够实现语音识别、对话生成、情感克隆和多语言支持，为用户提供高质量的实时语音交互体验。

一个开源的实时人像美化和背景替换工具，基于深度学习技术，为视频通话、直播和虚拟背景应用提供高级视觉效果。

AuraSR 是基于 GAN 的 Super-Resolution 模型，通过图像条件化增强技术，提升生成图像的质量。该模型采用 GigaGAN 论文的变体实现，并使用 Torch 框架。AuraSR 的优势在于能够有效提高图像的分辨率和质量，适用于图像处理领域。

高效精准的图像与视频背景移除工具 一款深度学习模型，专门用于从图像和视频中快速移除背景并提取前景。

多语言文档布局解析工具 dots.ocr 是一款强大的多语言文档解析工具，它通过单一视觉 - 语言模型实现布局检测和内容识别的统一，同时保持良好的阅读顺序，具有出色的性能和高效的处理速度。

无需安装 Excel 即可操作 Excel 文件的服务器工具 能够让您在无需安装 Microsoft Excel 的情况下，通过 AI 代理对 Excel 文件进行创建、读取、修改、格式化、生成图表和透视表等操作。